活动介绍

WindowsServer2016存储技术详解

立即解锁
发布时间: 2025-08-27 00:52:18 阅读量: 2 订阅数: 11
### Windows Server 2016 存储技术详解 #### 1. 存储副本支持的配置 存储副本在以下配置中受支持: - **服务器到服务器**:此配置支持两台独立服务器之间的同步和异步复制。可复制本地驱动器、带有共享 SAS 存储的存储池、SAN 和 iSCSI 连接的 LUN。可以使用服务器管理器或 PowerShell 进行管理,故障转移只能手动执行。 - **集群到集群**:复制发生在两个独立的集群之间。第一个集群可能使用直接存储池、带有共享 SAS 存储的存储池、SAN 和 iSCSI 连接的 LUN。使用 PowerShell 和 Azure Site Recovery 进行管理,故障转移必须手动执行。 - **伸展集群**:单个集群的节点位于不同地理位置。部分节点共享一组非对称存储,其他节点共享另一组。根据带宽情况,存储可以同步或异步复制。此场景支持带有共享 SAS 存储的存储池、SAN 和 iSCSI 连接的 LUN。使用 PowerShell 和故障转移集群管理器 GUI 工具进行管理,允许自动故障转移。 以下配置在 Windows Server 2016 中不受支持,但未来可能会支持: - 存储副本在 Windows Server 2016 中仅支持一对一复制,不能配置为支持一对多复制或传递复制(即副本服务器的副本)。 - 不支持将复制卷联机进行只读访问。 - 不支持在参与存储副本的伸展集群上部署横向扩展文件服务器。 - 不支持在带有存储副本的伸展集群中部署直接存储池。 #### 2. 配置存储副本复制 要在运行 Windows Server 2016 Datacenter 版本且属于同一域的两台服务器之间配置复制,请执行以下步骤: 1. 确保每台服务器满足以下要求: - 有两个卷,一个卷用于存储要复制的数据,另一个卷用于存储复制日志。 - 日志和数据磁盘都格式化为 GPT,而非 MBR。 - 源服务器和目标服务器上的数据卷大小和扇区大小必须相同。 - 源服务器和目标服务器上的日志卷大小和扇区大小应相同,且日志卷大小至少为 9GB。 - 确保数据卷不包含系统卷、页面文件或转储文件。 - 如图 7 - 12 所示,在每台服务器上安装文件服务器角色服务和存储副本功能,安装这些功能需要重启计算机。 2. 使用 `Test - SRTopology` cmdlet 验证是否满足所有存储副本要求,步骤如下: - 在源服务器上创建一个临时目录,用于存储存储副本拓扑报告。 - 记录源存储和日志卷以及目标存储和日志卷的驱动器号。 - 以下命令将对源计算机名为 S3 - DCenter(源卷为 E:,日志卷为 F:)到目标计算机名为 S4 - DCenter(目标卷为 E:,目标日志卷为 F:)的存储拓扑进行 15 分钟的测试,并将结果写入 c:\temp 文件夹。 ```powershell Test - SRTopology - SourceComputerName S3 - DCenter - SourceVolumeName e: - SourceLogVolumeName f: - DestinationComputerName S4 - DCenter - DestinationVolumeName e: - DestinationLogVolumeName f: - DurationInMinutes 15 - ResultPath c:\temp ``` 测试完成后,查看 `TestSrTopologyReport.html` 文件,验证配置是否满足存储副本要求。验证通过后,可使用 `New - SRPartnerShip` cmdlet 创建存储副本伙伴关系。例如: ```powershell New - SRPartnerShip - SourceRGName SR71 - DestinationRGName SR72 - SourceComputerName S3 - DCenter - SourceVolumeName e: - SourceLogVolumeName f: - DestinationComputerName S4 - DCenter - DestinationVolumeName e: - DestinationLogVolumeName f: ``` 可以通过运行 `Get - SRGroup`、`Get - SRPartnership` 和 `(Get - SRGroup).replicas` cmdlet 检查存储副本复制的状态。存储副本激活后,除非反转复制或删除复制,否则无法访问目标计算机上的副本存储设备。 要切换复制方向,使用 `Set - SRPartnerShip` cmdlet,例如: ```powershell Set - SRPartnerShip - NewSourceComputerName S4 - DCenter - SourceRGName SR72 - DestinationComputerName S3 - DCenter - DestinationRGName SR71 ``` 运行此命令时,会收到可能发生数据丢失的警告,并询问是否要完成操作。 要删除复制,在源节点上运行以下命令: ```powershell Get - SRPartnership | Remove - SRPartnership Get - SRGroup | Remove - SRGroup ``` 然后在目标节点上运行: ```powershell Get - SRGroup | Remove - SRGroup ``` 默认情况下,配置存储副本时所有复制都是同步的。可以使用 `Set - SRPartnership` cmdlet 的 `ReplicationMode` 参数在同步和异步复制之间切换。 存储副本使用以下端口: - 445:用于 SMB,这是复制传输协议。 - 5895:用于 WSManHTTP,这是 WMI/CIM/PowerShell 的管理协议。 - 5445:iWARP SMB,仅在使用 iWARP RDMA 网络时需要此端口。 #### 3. SMB 3.1.1 Windows Server 2016 使用 SMB(服务器消息块)3.1.1。与早期版本的 SMB 协议相比,SMB 3.1.1 在安全性和性能方面有显著改进。可以通过运行 `Get - SmbConnection` cmdlet 确定服务器使用的 SMB 版本。 使用的 SMB 版本取决于客户端的操作系统。较新的 SMB 版本性能更好、更安全,将客户端和服务器操作系统更新到最新版本可确保获得最快和最安全的性能。不同客户端和服务器通信时使用的 SMB 版本如下表所示: | 客户端操作系统 | 服务器操作系统 | 使用的 SMB 版本 | | ---- | ---- | ---- | | 旧版本 | 旧版本 | 旧版本 SMB | | 新版本 | 新版本 | SMB
corwn 最低0.47元/天 解锁专栏
赠100次下载
继续阅读 点击查看下一篇
profit 400次 会员资源下载次数
profit 300万+ 优质博客文章
profit 1000万+ 优质下载资源
profit 1000万+ 优质文库回答
复制全文

相关推荐

吴雄辉

高级架构师
10年武汉大学硕士,操作系统领域资深技术专家,职业生涯早期在一家知名互联网公司,担任操作系统工程师的职位负责操作系统的设计、优化和维护工作;后加入了一家全球知名的科技巨头,担任高级操作系统架构师的职位,负责设计和开发新一代操作系统;如今为一名独立顾问,为多家公司提供操作系统方面的咨询服务。
最低0.47元/天 解锁专栏
赠100次下载
百万级 高质量VIP文章无限畅学
千万级 优质资源任意下载
千万级 优质文库回答免费看
立即解锁

专栏目录

最新推荐

知识工作者认知增强的负责任以人为本人工智能

### 知识工作者认知增强的负责任以人为本人工智能 #### 1. 引言 从制造业经济向服务经济的转变,使得对高绩效知识工作者(KWs)的需求以前所未有的速度增长。支持知识工作者的生产力工具数字化,带来了基于云的人工智能(AI)服务、远程办公和职场分析等。然而,在将这些技术与个人效能和幸福感相协调方面仍存在差距。 随着知识工作者就业机会的增加,量化和评估知识工作的需求将日益成为常态。结合人工智能和生物传感技术的发展,为知识工作者提供生物信号分析的机会将大量涌现。认知增强旨在提高人类获取知识、理解世界的能力,提升个人绩效。 知识工作者在追求高生产力的同时,面临着平衡认知和情感健康压力的重大

医学影像处理与油藏过滤问题研究

### 医学影像处理与油藏过滤问题研究 #### 医学影像处理部分 在医学影像处理领域,对比度受限的自适应直方图均衡化(CLAHE)是一种重要的图像增强技术。 ##### 累积分布函数(CDF)的确定 累积分布函数(CDF)可按如下方式确定: \[f_{cdx}(i) = \sum_{j = 0}^{i} p_x(j)\] 通常将期望的常量像素值(常设为 255)与 \(f_{cdx}(i)\) 相乘,从而创建一个将 CDF 映射为均衡化 CDF 的新函数。 ##### CLAHE 增强过程 CLAHE 增强过程包含两个阶段:双线性插值技术和应用对比度限制的直方图均衡化。给定一幅图像 \

城市货运分析:新兴技术与集成平台的未来趋势

### 城市货运分析:新兴技术与集成平台的未来趋势 在城市货运领域,为了实现减排、降低成本并满足服务交付要求,软件系统在确定枢纽或转运设施的使用以及选择新的运输方式(如电动汽车)方面起着关键作用。接下来,我们将深入探讨城市货运领域的新兴技术以及集成平台的相关内容。 #### 新兴技术 ##### 联网和自动驾驶车辆 自动驾驶车辆有望提升安全性和效率。例如,驾驶辅助和自动刹车系统在转弯场景中能避免碰撞,其警报系统会基于传感器获取的车辆轨迹考虑驾驶员反应时间,当预测到潜在碰撞时自动刹车。由于驾驶员失误和盲区问题,还需采用技术提醒驾驶员注意卡车附近的行人和自行车骑行者。 自动驾驶车辆为最后一公

具有特色的论证代理与基于假设的论证推理

### 具有特色的论证代理与基于假设的论证推理 在当今的人工智能领域,论证代理和论证推理是两个重要的研究方向。论证代理可以在各种场景中模拟人类进行辩论和协商,而论证推理则为解决复杂的逻辑问题提供了有效的方法。下面将详细介绍论证代理的相关内容以及基于假设的论证推理。 #### 论证代理的选择与回复机制 在一个模拟的交易场景中,卖家提出无法还钱,但可以用另一个二手钢制消声器进行交换。此时,调解人询问买家是否接受该提议,买家有不同类型的论证代理给出不同回复: - **M - agent**:希望取消合同并归还消声器。 - **S - agent**:要求卖家还钱并道歉。 - **A - agen

基于神经模糊的多标准风险评估方法研究

### 基于神经模糊的多标准风险评估方法研究 #### 风险评估基础 在风险评估中,概率和严重程度的分级是重要的基础。概率分级如下表所示: | 概率(概率值) | 出现可能性的分级步骤 | | --- | --- | | 非常低(1) | 几乎从不 | | 低(2) | 非常罕见(一年一次),仅在异常条件下 | | 中等(3) | 罕见(一年几次) | | 高(4) | 经常(一个月一次) | | 非常高(5) | 非常频繁(一周一次,每天),在正常工作条件下 | 严重程度分级如下表: | 严重程度(严重程度值) | 分级 | | --- | --- | | 非常轻微(1) | 无工作时间

地下油运动计算与短信隐写术研究

### 地下油运动计算与短信隐写术研究 #### 地下油运动计算 在地下油运动的研究中,压力降会有所降低。这是因为油在井中的流动速度会加快,并且在井的附近气体能够快速填充。基于此,能够从二维视角计算油在多孔空间中的运动问题,在特定情况下还可以使用并行数值算法。 使用并行计算算法解决地下油运动问题,有助于节省获取解决方案和进行计算实验的时间。不过,所创建的计算算法仅适用于具有边界条件的特殊情况。为了提高解决方案的准确性,建议采用其他类型的组合方法。此外,基于该算法可以对地下油的二维运动进行质量计算。 |相关情况|详情| | ---- | ---- | |压力降变化|压力降会降低,原因是油井

物联网与人工智能在医疗及网络安全中的应用

### 物联网与人工智能在医疗及网络安全中的应用 #### 物联网数据特性与机器学习算法 物联网(IoT)数据具有多样性、大量性和高速性等特点。从数据质量上看,它可能来自动态源,能处理冗余数据和不同粒度的数据,且基于数据使用情况,通常是完整且无噪声的。 在智能数据分析方面,许多学习算法都可应用。学习算法主要以一组样本作为输入,这组样本被称为训练数据集。学习算法可分为监督学习、无监督学习和强化学习。 - **监督学习算法**:为了预测未知数据,会从有标签的输入数据中学习表示。支持向量机(SVM)、随机森林(RF)和回归就是监督学习算法的例子。 - **SVM**:因其计算的实用性和

多媒体应用的理论与教学层面解析

# 多媒体应用的理论与教学层面解析 ## 1. 多媒体资源应用现状 在当今的教育体系中,多媒体资源的应用虽已逐渐普及,但仍面临诸多挑战。相关评估程序不完善,导致其在不同教育系统中的应用程度较低。以英国为例,对多媒体素养测试的重视程度极低,仅有部分“最佳证据”引用在一些功能性素养环境中认可多媒体评估的价值,如“核心素养技能”概念。 有观点认为,多媒体素养需要更清晰的界定,同时要建立一套成果体系来评估学生所达到的能力。尽管大部分大学教师认可多媒体素养的重要性,但他们却难以明确阐述其具体含义,也无法判断学生是否具备多媒体素养能力。 ## 2. 教学设计原则 ### 2.1 教学设计的重要考量

认知计算与语言翻译应用开发

# 认知计算与语言翻译应用开发 ## 1. 语言翻译服务概述 当我们获取到服务凭证和 URL 端点后,语言翻译服务就可以为各种支持语言之间的文本翻译请求提供服务。下面我们将详细介绍如何使用 Java 开发一个语言翻译应用。 ## 2. 使用 Java 开发语言翻译应用 ### 2.1 创建 Maven 项目并添加依赖 首先,创建一个 Maven 项目,并添加以下依赖以包含 Watson 库: ```xml <dependency> <groupId>com.ibm.watson.developer_cloud</groupId> <artifactId>java-sdk</

基于进化算法和梯度下降的自由漂浮空间机器人逆运动学求解器

### 基于进化算法和梯度下降的自由漂浮空间机器人逆运动学求解器 #### 1. 自由漂浮空间机器人(FFSR)运动方程 自由漂浮空间机器人(FFSR)由一个基座卫星和 $n$ 个机械臂连杆组成,共 $n + 1$ 个刚体,通过 $n$ 个旋转关节连接相邻刚体。下面我们来详细介绍其运动方程。 ##### 1.1 位置形式的运动方程 - **末端执行器(EE)姿态与配置的关系**:姿态变换矩阵 $^I\mathbf{R}_e$ 是配置 $q$ 的函数,$^I\mathbf{R}_e$ 和 $\mathbf{\Psi}_e$ 是 EE 方位的两种不同表示,所以 $\mathbf{\Psi}_